人工智能可以解答所有问题吗？这个问题十分容易回答，当然是不行。真相是，人工智能只能对符合特定形式的问题提供良好的解答，而且还需要符合特定条件。人工智能适合解决什么问题？我们可以用两个轴度，来为所有可能的决策问题做分类。图的横轴表示是否容易为此问题取得大量数据，也就是样本数的多寡。因为机器学习是基于数据，来学习已知与未知，也可以说是观测与决策之间的关系。因此，历史数据愈充足，愈有机会萃取出，观测与决策在各种条件下的关联性。纵轴表示该问题是否与情境相关。
辨识人脸、诊断病情 ……人工智能都能做
左上角的第二象限是同样与情境没有太大关联，但较难搜集到大量资料的问题，但因与情境相关性低，基本上人工智能还是多能提供不错的解答，例如医疗诊断、排程预测、预测性维护等。在医疗诊断应用中，已有太多研究证明，只要给予与病情有相当关联性的生理讯号，机器学习即可精准地诊察眼底视网膜病变、肺结核、心律不整、及多种×××等。虽然医疗诊断的资料量相对较少，也许每种疾病只能搜集到几万或几千例，但是因为医疗诊断与情境并不相依，也就是说，生理讯号（例如 X 光片及心电图）本身就足以准确地判断病征，不会受到其他无法观测的外部因素的干扰；同一张 X 光片，无论是在哪里拍的、受测者身上穿什么衣服、受测者当时开不开心、受测当天天气如何、受测者收入，结果都应该一致。基本上，只要是与情境无关的问题，人工智能通常可以做得不错，甚至超越人类。例如许多计算机游戏及牌类、棋类游戏，人类已无法与人工智能匹敌。
与情境高度相依的问题人工智能难发挥
图右下角的第四象限指的是有大量资料，但与情境相依程度较高的问题。基本上此象限的问题，仍可由人工智能来提供解决方案，但随着情境相依度愈高，要得到好解答的困难度也愈高。例如信用卡盗刷、个人化营销、程序交易、自驾车、对话机器人等，这些问题要做出好的人工智能系统相当有挑战性，因为有许多无法观测到的情境变量，可能影响决策判断，很难仅仅凭借我们能观测到的少部分变量，做出十分准确的预测。例如，对话机器人也是属于高度与情境相关的问题。主要原因在于，人类的对话相当复杂，有时难以透过表面上的字句得知顾客真正的意图，此时就会出现针对同样问话，对话机器人即使做出同样的反应，每一位顾客感受却会不同的情况。毕竟每个人有不同的立场、知识及个性，同样的话，有些人听完会很满意，有些人可能会生气。例如假设有位男性顾客姓王，招呼语称呼他为王先生，多数人会觉得很正常，有些政商名流可能会不高兴，觉得应该要称呼他为王市长、王董等。人工智能在此种情况下，没有办法表现得和人类一样好。
人工智能能预测成功率，但无法预测未来
图右下角的第三象限，包含的是与情境相依且难以搜集大量资料的问题，对这些问题来说，人工智能的发挥十分有限，只能有限度地提供辅助。像是新创事业是否会成功、该不该跟某位异性告白、该不该进行某项全新商品的发售、该不该进行某个政治操作等问题。以「新创事业是否会成功」为例，这涉及到创办人格局、新创团队能力、产品技术实力与市场变化、竞争对手策略等，都是难以量化的信息。因此，即便许多创投业者都期待，能预知新创事业的成功机率，但在此条件下，人工智能顶多只能根据片面信息做预测，以仅供参考的方式，辅助降低投资新创事业的风险，并无法做到精准的预测。
总结来说，能够观测完整，也就是无法观测或量化的情境信息少的问题，基本上都适合以人工智能来找解答。但若观测十分片面或是无法量化，又没有大量的数据来补助信息的不足，这时巧妇难为无米之炊，就不用期待人工智能能像先知一样预知未来。人工智能的极限很明确，原则也易于掌握，千万不要忽略对这些原则的掌握，贸然在人工智能不擅长之处对它抱有太大期待，免得费时耗力又因为失败而对人工智能失去信心。相关信息来源：http://www.ai.org.tw/map.asp